Buchumschlag

Asymptotic analysis of the Gaussian kernel matrix for partially noisy data in high dimensions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Aishima, Kensuke
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Statistics Theory Numerical Analysis
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Strong consistency of an estimator by the truncated singular value decomposition for an errors-in-variables regression model with collinearity
von: Aishima, Kensuke
Veröffentlicht: (2023)

Polynomial approximation of noisy functions
von: Matsuda, Takeru, et al.
Veröffentlicht: (2024)

A Fourier-based inference method for learning interaction kernels in particle systems
von: Pavliotis, Grigorios A., et al.
Veröffentlicht: (2025)

Measure transport with kernel mean embeddings
von: Wang, L., et al.
Veröffentlicht: (2024)

Reproducing kernel methods for machine learning, PDEs, and statistics
von: LeFloch, Philippe G., et al.
Veröffentlicht: (2024)

Enabling stratified sampling in high dimensions via nonlinear dimensionality reduction
von: Geraci, Gianluca, et al.
Veröffentlicht: (2025)

On posterior consistency of data assimilation with Gaussian process priors: the 2D Navier-Stokes equations
von: Nickl, Richard, et al.
Veröffentlicht: (2023)

Precision and Cholesky Factor Estimation for Gaussian Processes
von: Chen, Jiaheng, et al.
Veröffentlicht: (2024)

A kernel method for the learning of Wasserstein geometric flows
von: Hu, Jianyu, et al.
Veröffentlicht: (2025)

Mean-Square Convergence of a New Parameterized Leapfrog Scheme for Hamiltonian Systems Driven by Gaussian Process Potentials
von: Bhattacharya, Sourabh
Veröffentlicht: (2026)

Error analysis for a statistical finite element method
von: Karvonen, Toni, et al.
Veröffentlicht: (2022)

Extreme learning machines for variance-based global sensitivity analysis
von: Darges, John, et al.
Veröffentlicht: (2022)

Sequential multiple importance sampling for high-dimensional Bayesian inference
von: Binbin, Li, et al.
Veröffentlicht: (2025)

Posterior Covariance Structures in Gaussian Processes
von: Cai, Difeng, et al.
Veröffentlicht: (2024)

Gaussian Process Regression under Computational and Epistemic Misspecification
von: Sanz-Alonso, Daniel, et al.
Veröffentlicht: (2023)

Dimension-Free Convergence of Diffusion Models for Approximate Gaussian Mixtures
von: Li, Gen, et al.
Veröffentlicht: (2025)

Linear cost and exponentially convergent approximation of Gaussian Matérn processes on intervals
von: Bolin, David, et al.
Veröffentlicht: (2024)

Non-Asymptotic Analysis of Ensemble Kalman Updates: Effective Dimension and Localization
von: Ghattas, Omar Al, et al.
Veröffentlicht: (2022)

Data-driven Learning of Interaction Laws in Multispecies Particle Systems with Gaussian Processes: Convergence Theory and Applications
von: Feng, Jinchao, et al.
Veröffentlicht: (2025)

On the contraction rate of the posterior distribution for nonlinear PDE parameter identification
von: Fan, Yuxin, et al.
Veröffentlicht: (2026)

Covariance-Informed Subspace: an Adaptive Gradient-Free Input Dimension Reduction Method for Bayesian Inference
von: Polette, Nadège, et al.
Veröffentlicht: (2026)

Accelerating Langevin Monte Carlo via Efficient Stochastic Runge--Kutta Methods beyond Log-Concavity
von: Yang, Bin, et al.
Veröffentlicht: (2026)

A Closed-Form Transition Density Expansion for Elliptic and Hypo-Elliptic SDEs
von: Iguchi, Yuga, et al.
Veröffentlicht: (2025)

Boosted optimal weighted least-squares
von: Haberstich, Cécile, et al.
Veröffentlicht: (2019)

One-dimensional Tensor Network Recovery
von: Chen, Ziang, et al.
Veröffentlicht: (2022)

A global Lipschitz stability perspective for understanding approximate approaches in Bayesian sequential learning
von: Wang, Liliang, et al.
Veröffentlicht: (2025)

Blind free deconvolution over one-parameter sparse families via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

A polynomial chaos approach for uncertainty quantification of Monte Carlo transport codes
von: Geraci, Gianluca, et al.
Veröffentlicht: (2024)

Computable error bounds for quasi-Monte Carlo using points with non-negative local discrepancy
von: Gnewuch, Michael, et al.
Veröffentlicht: (2023)

Multi-fidelity No-U-Turn Sampling
von: Ravi, Kislaya, et al.
Veröffentlicht: (2023)

Coverage errors for Student's t confidence intervals comparable to those in Hall (1988)
von: Owen, Art B.
Veröffentlicht: (2025)

An Approximation Theory Framework for Measure-Transport Sampling Algorithms
von: Baptista, Ricardo, et al.
Veröffentlicht: (2023)

Extrapolation and generative algorithms for three applications in finance
von: LeFloch, Philippe G., et al.
Veröffentlicht: (2024)

Sparse free deconvolution under unknown noise level via eigenmatrix
von: Ying, Lexing
Veröffentlicht: (2025)

Tensor-train methods for sequential state and parameter learning in state-space models
von: Zhao, Yiran, et al.
Veröffentlicht: (2023)

Regularisation for the approximation of functions by mollified discretisation methods
von: Pouchol, Camille, et al.
Veröffentlicht: (2024)

Stochastic Trace and Diagonal Estimator for Tensors
von: Verma, Bhisham Dev, et al.
Veröffentlicht: (2025)

A novel statistical workflow for nonstationary modelling of successive Fréchet extremes
von: Burtenshaw, Grace, et al.
Veröffentlicht: (2025)

A generalization bound for exit wave reconstruction via deep unfolding
von: Atwi, Moussa, et al.
Veröffentlicht: (2025)

Central Limit Theorems for Coupled Particle Filters
von: Jasra, Ajay, et al.
Veröffentlicht: (2018)